Fuzzifizierte Steuerung für Bandtrockner - Ragavarshini K., Sri;Ahamed A., Isthiyaq;Faris M., Salmanul
43,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Eine präzise Temperaturregelung ist in Bandtrocknersystemen von entscheidender Bedeutung, um Produktqualität, Prozesseffizienz und Energieeinsparung zu gewährleisten. Herkömmliche Proportional-Integral-Derivativ (PID)-Regler haben jedoch oft mit den Nichtlinearitäten, Unsicherheiten und Störungen zu kämpfen, die diesen Systemen innewohnen. In dieser Arbeit wird die Anwendung eines auf Fuzzy-Logik basierenden PID-Reglers (FL-PID) untersucht, um eine robuste und adaptive Temperaturregelung in einem Bandtrocknersystem zu erreichen. In dieser Arbeit wird ein neuartiger Ansatz vorgeschlagen, der…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Eine präzise Temperaturregelung ist in Bandtrocknersystemen von entscheidender Bedeutung, um Produktqualität, Prozesseffizienz und Energieeinsparung zu gewährleisten. Herkömmliche Proportional-Integral-Derivativ (PID)-Regler haben jedoch oft mit den Nichtlinearitäten, Unsicherheiten und Störungen zu kämpfen, die diesen Systemen innewohnen. In dieser Arbeit wird die Anwendung eines auf Fuzzy-Logik basierenden PID-Reglers (FL-PID) untersucht, um eine robuste und adaptive Temperaturregelung in einem Bandtrocknersystem zu erreichen. In dieser Arbeit wird ein neuartiger Ansatz vorgeschlagen, der die Stärken der Fuzzy-Logik und der PID-Regelung kombiniert, und wir haben Simulationsarbeiten für Fuzzy-Regelverfahren und PID-Regelverfahren in MATLAB Simulink durchgeführt. Diese adaptive Abstimmung ermöglicht es dem Regler, schnell auf Störungen zu reagieren und eine enge Temperaturnachführung beizubehalten, wobei Überschwingen und Einschwingzeit minimiert werden.
Autorenporträt
Sri Ragavarshini K. hat ihr Studium der Mess- und Regeltechnik am Sri Krishna College of Technology, Coimbatore, Tamil Nadu, Indien, abgeschlossen. Ihre Forschungsinteressen umfassen den Entwurf und die Abstimmung von Reglern, Produktentwicklung, maschinelles Lernen und Parameterüberwachung in der Prozesssteuerungsindustrie.